دستیار فعال در برابر چت‌بات ساده در محیط مرورگر گوگل کروم

تصور کنید دستیاری دارید که نه تنها وب‌سایت‌ها را می‌خواند، بلکه می‌تواند بین تب‌های مختلف جابه‌جا شود و کارهای اداری شما را در مرورگر به پایان برساند. این دیگر یک تصور نیست؛ OpenAI در به‌روزرسانی ۱۵ اکتبر ۲۰۲۶، افزونهٔ کروم ChatGPT را به ابزاری تبدیل کرد که کنترل کامل تب‌های مرورگر را در اختیار دارد. هدف OpenAI که در مجموعه‌ای از پست‌ها در شبکه اجتماعی X اعلام شد، این است که «قدرت استفاده از کامپیوتر در دسترس هر کسی که از کروم استفاده می‌کند قرار گیرد».

این تغییر، مرورگر را از یک پنجرهٔ نمایش اطلاعات به یک فضای کاری فعال تبدیل می‌کند. حالا این ابزار می‌تواند در تب‌های باز جستجو کند، آن‌ها را سازمان‌دهی نماید و وظایف چندمرحله‌ای را مستقیماً اجرا کند. این تحول، گذاری از رابط‌های چت ساده به قابلیت‌های واقعی عامل‌محور (Agentic) — شبیه به داشتن یک کارمند مجازی که می‌داند چطور در محیط نرم‌افزاری حرکت کند — است. این رویکرد در راستای استراتژی گسترده‌تر OpenAI برای اجرای عامل‌های خودکار روی زیرساخت‌های ابری مستقل است تا پایداری و قدرت پردازشی این دستیاران افزایش یابد. تا پیش از این، دستیاران هوش مصنوعی فقط می‌توانستند یک صفحه را خلاصه کنند، اما توانایی جابه‌جایی بین تب‌ها یا تعامل مستقل با عناصر وب را نداشتند. بر اساس داده‌های فروشگاه وب کروم، این به‌روزرسانی ۷ میلیون کاربر را هدف قرار داده است.

همان‌طور که در تحلیل قبلی ما درباره‌ی ریسک‌های امنیتی عامل‌های خودمختار اشاره کردیم — مانند حادثه‌ای که در آن یک عامل OpenAI به پورتال بهداشتی دولت استرالیا نفوذ کرد — دسترسی به داده‌های مرورگر حساسیت‌های زیادی دارد. به همین دلیل، این نسخه یک سیستم مجوزدهی لایه‌بندی شده را معرفی کرده است تا کاربران باید اکنون صراحتاً اجازه دهند هوش مصنوعی با وب‌سایت‌های خاص تعامل داشته باشد یا به تاریخچهٔ مرورگر دسترسی پیدا کند.

زمینه و تکامل

این حرکت بخشی از یک چرخش راهبردی است. OpenAI در ۹ ژوئیه ۲۰۲۶ اعلام کرد که مرورگر Atlas را بازنشسته می‌کند و این سرویس رسماً در ۹ اوت ۲۰۲۶ متوقف شد. پس از آن، کاربران برای دریافت کمک‌های مرورگری به افزونه یا نوار کناری هدایت شدند. این تغییرات در کنار تبدیل ChatGPT به مرکز توزیع اپلیکیشن برای ۱.۲ میلیارد کاربر، نشان‌دهنده تلاش این شرکت برای تبدیل چت‌بات خود به یک اکوسیستم جامع است.

تا ۳۱ اوت ۲۰۲۶، پشتیبانی از این افزونه به مرورگرهای Microsoft Edge، Brave، Opera و Vivaldi نیز گسترش یافت. در این میان، مرورگر اپرا با وجود پشتیبانی از کنترل تب‌ها و اشاره به تب‌ها (Tab Mentions)، قابلیت چت کناری (Side Chat) را که در سایر مرورگرها موجود است، پشتیبانی نمی‌کند.

قابلیت‌های جدید عامل‌محور

OpenAI عملکرد این افزونه را به دو حالت اصلی «چت» و «کار» تقسیم کرده است:

• حالت چت (Chat Mode): دستیار اطلاعات را از چندین تب باز جمع‌آوری می‌کند تا پاسخ‌های جامع‌تری بدهد. این حالت تمام قدرت ChatGPT، از جمله کل تاریخچهٔ گفتگوهای کاربر را به درون مرورگر می‌آورد.
• حالت کار (Work Mode): این عامل (Agent) وظایف طولانی‌تر و پیچیده‌تر را مدیریت می‌کند. این حالت می‌تواند تب‌ها را برای ارسال پیام، پر کردن فرم‌ها و دانلود فایل‌ها کنترل کند و همچنین تب‌های باز را سازمان‌دهی و گروه‌بندی نماید.

به نقل از مستندات OpenAI، کاربران اکنون می‌توانند گردش‌های کاری پیچیده‌ای را در چندین تب اجرا کنند. نمونه‌هایی از پرامپت‌های پیشنهادی عبارتند از:

• مقایسه سه مدل مبل در تب‌های مجزا بر اساس ابعاد، جنس، زمان تحویل و سیاست مرجوعی.
• انتقال اطلاعات فروشندگان از تب‌های باز به یک جدول مقایسه‌ای شامل قیمت، ویژگی‌های کلیدی و لینک‌های منبع.
• استفاده از یک برگه توصیفی رویداد برای پر کردن فرم ثبت‌نام، به گونه‌ای که دقیقاً پیش از دکمهٔ ارسال متوقف شود.
• مقایسه خدمات پیمانکاران در تب‌های مختلف و پیش‌نویس ایمیل برای ارائه‌دهنده برگزیده.
• پر کردن فرم دندان‌پزشکی و افزودن قرار ملاقات به هر دو تقویم کاری و شخصی.
• درخواست توضیحاتی به زبان ساده (Plain-English) درباره استدلال اصلی یک مقاله و شواهد پشتیبان آن.

یکپارچگی فنی و حریم خصوصی

این افزونه (نسخه ۱.۲۶.۱۰۰۵.۱۱۷۵۹) با اپلیکیشن دسکتاپ ChatGPT یکپارچه شده است و از گوگل کروم، مایکروسافت اج، بریو، اپرا و ویوالدی پشتیبانی می‌کند. این ابزار می‌تواند سایت‌هایی را که کاربر در آن‌ها احراز هویت شده است — مانند LinkedIn، Salesforce، Gmail و ابزارهای داخلی شرکت‌ها — بخواند.

سایر ویژگی‌های درون‌مرورگری عبارتند از:

• اشاره (Mention) به تب‌های باز برای استفاده از آن‌ها به عنوان زمینه (Context).
• انتقال متن‌های هایلایت شده از صفحه مستقیماً به محیط چت.
• راست‌کلیک روی صفحه برای انتخاب گزینه «Ask ChatGPT».
• تحلیل ویدیوهای یوتیوب با استفاده از متن‌های زمان‌بندی شده (Transcripts) در صورتی که زیرنویس در دسترس باشد.

برای مدیریت ریسک، OpenAI چندین حفاظ (Guardrails) را پیاده کرده است:

• لایه‌های مجوز: کاربر می‌تواند گزینه‌های «اجازه یک‌باره»، «اجازه برای این سایت»، «اجازه برای همه سایت‌ها» یا «رد کردن» را انتخاب کند.
• برچسب ریسک: دسترسی به تاریخچهٔ مرورگر و گزینه «اجازه برای همه سایت‌ها» صراحتاً با برچسب «ریسک بالا» (Elevated Risk) مشخص شده‌اند. دسترسی به تاریخچه محدود به درخواست‌های فردی است و گزینه «همیشه اجازه بده» برای آن وجود ندارد.
• مدیریت داده‌ها: طبق اعلام شرکت، هیچ رکورد جداگانه‌ای از اقدامات مرورگر ذخیره نمی‌شود، مگر اینکه بخشی از بستر چت (مانند اسکرین‌شات، فراخوانی ابزار یا خلاصه‌ها) باشد. همچنین داده‌ها به شخص ثالث فروخته نمی‌شوند و برای تعیین اعتبار اعتباری (Creditworthiness) استفاده نمی‌گردند.

جزئیات عملیاتی

تنظیمات این قابلیت از بخش «Computer Use» در تنظیمات اپلیکیشن دسکتاپ مدیریت می‌شود. کاربر پس از نصب افزونه، گزینه «Manage» را در مرورگر تأیید کرده و سپس از طریق اشاره با علامت @ در چت‌های حالت Work یا Codex، مرورگر مورد نظر را انتخاب می‌کند.

مجوزهای زمان نصب در کروم بسیار گسترده است. این مجوزها شامل خواندن و تغییر داده‌ها در همه وب‌سایت‌ها، دسترسی به بوک‌مارک‌ها، دانلودها، اعلان‌ها، گروه‌های تب، دسترسی به دیباگر (Debugger) و ارتباط با برنامه‌های بومی (Native Applications) سیستم می‌شود.

برای یک کاربر تجاری، این یعنی مرورگر دیگر فقط پنجره‌ای به اطلاعات نیست، بلکه یک رابط برنامه‌پذیر است. توانایی اتوماسیون ورود داده‌ها به سیستم‌های ثبت رکورد — مانند برگه ثبت ساعت کاری (Timesheets)، سیستم‌های موجودی کالا و سیستم‌های مدیریت محتوا (CMS) — لایه بزرگی از کارهای تکراری کپی-پیست دستی را حذف می‌کند.

با این حال، هشدارهای «ریسک بالا» نشان‌دهنده تضاد بین کاربرد و امنیت است. دادن قدرت خواندن تمام تب‌ها و اقدام در جلسات احراز هویت شده، مرورگر را به هدفی جذاب برای حملات تزریق پرامپت (Prompt Injection) یا سرقت نشست (Session Hijacking) تبدیل می‌کند.

کاربران باید لیست‌های مجاز خود را به دقت نظارت کنند و طبق توصیه مستندات رسمی، از ارسال اسرار حساس از طریق وظایف مرورگر خودداری کنند، مگر در موارد ضروری. قابلیت استفاده از کامپیوتر از تنظیمات حافظه (Memories) فعلی کاربر پیروی می‌کند.

گام بعدی شما

• اگر از ابزارهای مدیریت پروژه یا CRM استفاده می‌کنید، حالت Work را برای اتوماسیون ورود داده‌ها تست کنید.
• مجوزهای دسترسی را به صورت «اجازه یک‌باره» تنظیم کنید تا ریسک امنیتی را به حداقل برسانید.
• برای مقایسه محصولات یا تحلیل رقبا، از قابلیت خواندن هم‌زمان چندین تب استفاده کنید.

اما رقابت اصلی تازه آغاز شده است؛ بررسی خواهیم کرد که گوگل چگونه این کنترل‌های عامل‌محور را به‌صورت بومی در هستهٔ کروم ادغام می‌کند تا لایهٔ عامل سیستم‌عامل را تصاحب کند.